2008:18. Penelitian ini memberikan gambaran suatu data yang dilihat dari frekuensi dan deskriptif yaitu minimum, maksimum, mean, standar
deviasi.
3.6.2. Uji Asumsi Klasik
3.6.2.1. Uji Normalitas Data
Dalam metode pemilihan analisis data, uji normalitas diperlukan pada tahap awal. Jika data normal, maka digunakan
statistic parametric, dan jika data tidak normal, gunakan data nonparametric atau lakukan treatment agar data normal.
Tujuan uji normalitas adalah ingin “mengetahui apakah dalam model regresi, variabel pengganggu atau residual
memiliki distribusi normal” Erlina, 2011: 100. Uji ini dilakukan karena dalam melakukan uji t atau uji secara parsial,
dan uji f atau uji secara simultan, nilai residual dianggap sudah mengikuti distribusi normal. Jika nilai residual belum
mengikuti distribusi normal, maka uji statistik tidak akan valid untuk jumlah sampel kecil.
Menurut Erlina 2011: 100 ada beberapa cara untuk mengatasi data yang tidak normal, yaitu:
Universitas Sumatera Utara
- Lakukan transformasi data ke bentuk lainnya - Lakukan trimming, yaitu membuang data yang outlier
- Lakukan winsorizing, yaitu mengubah nilai data yang outlier ke suatu nilai tertentu
Untuk mendeteksi data yang tidak normal dapat dilakukan dengan analisis grafik dan uji statistik. Pada analisis
grafik, jika grafik histogram pola distribusi menceng ke kiri dan jika pola penyebaran menjauhi garis diagonal maka data
tersebut tidak normal. Jika pola distribusi mengikuti garis diagonal, maka data tersebut adalah normal. Menurut Ghozali
2007: 110 “jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis
diagonalnya”. Pada uji statistik, untuk melihat apakah suatu data
memiliki distribusi normal dapat dilihat dari nilai Z
skewness
. Yaitu jika Z
hitung
lebih kecil dari Z
tabel
, dimana nilai Z
tabel
pada tingkat signifikansi 0.05 sebesar 1.96. sedangkan pada tingkat
signifikansi 0.01 nilai Z
tabel
sebesar 2.58. Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji
statistic nonparametric Kolmogorov-Smirnov K-S yang jika
Universitas Sumatera Utara
nilai Asymp.Sig 2-tailed lebih besar dari 0.05, maka data residual terdistribusi secara normal.
3.6.2.2. Uji Multikolinearitas
Multikolinearitas adalah “situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang
lainnya” Erlina, 2011: 102. Tujuan uji multikolinearitas adalah “untuk menguji apakah model regresi ditemukan
adanya korelasi antara variabel bebas” Ghozali, 2007: 91. “Model regresi yang baik adalah yang tidak terjadi
korelasi antara variabel-variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak
ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen adalah nol”
Ghozali, 2007: 91. Untuk mengetahui multikolinearitas dapat dilihat dari
nilai Variance Inflation Factor VIF dan nilai toleransi tolerance value. Nilai cut off yang umum dipakai adalah
nilai toleransi 0.10 atau sama dengan nilai VIF 10. Jika nilai VIF lebih besar dari 10, maka terjadi multikolinearitas
yang cukup berat antara variable independen.
Universitas Sumatera Utara
3.6.2.3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan “menguji apakah model regresi terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan yang lain” Ghozali, 2007: 105. Model regresi yang baik adalah yang homoskedastisitas, atau
tidak terjadi heteroskedastisitas. Umumnya heteroskedastisitas sering terjadi pada model yang menggunakan data cross
section silang waktu daripada data time series runtut waktu. Dalam Erlina 2011: 105 ada beberapa pengujian yang
dapat digunakan untuk mendeteksi masalah heteroskedastistisitas diantaranya adalah:
1. Dengan melihat grafik nilai-nilai residu. Suatu model mengandung
heteroskedastisitas apabila nilai-nilai residunya membentuk pola sebaran yang meningkat, yaitu
secara terus-menerus bergerak menjauhi garis nol. 2. Uji Park. Uji park mengemukakan metode bahwa varians
s2 merupakan fungsi dari variable-variabel bebas.
Universitas Sumatera Utara
3.6.2.4. Uji Autokorelasi
Uji autokorelasi bertujuan “menguji apakah model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu pada periode t-1” Ghozali, 2007: 95. Autokorelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual tidak bebas dari satu
observasi ke observasi lainnya.salah satu cara untuk mengetahui ada tidaknya korelasi dapat dilakukan dengan uji
Durbin-Watson DW test.
Tabel 3.4. Durbin-Watson
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi positif
Tidak ada autokorelasi positif Tidak ada autokorelasi negative
Tidak ada autokorelasi negative Tidak ada autokorelasi positif atau
negatif Tolak
No decision Tolak
No decision Tidak ditolak
0 d dl dl
≤ d ≤ du 4 – dl d 4
4 – du ≤ d ≤ 4 – dl
du d 4 - du
Sumber: Ghozali 2007: 9
Universitas Sumatera Utara
3.6.3. Pengujian Hipotesis Penelitian